具有噪声链接权重的鲁棒图嵌入
机器学习
2019-02-25 v1 机器学习
摘要
我们提出 -图嵌入方法，用于从数据向量和噪声链接权重中鲁棒地学习特征向量。新引入的经验矩 -分数降低了污染的影响，并鲁棒地度量了链接的底层正确期望权重与指定生成模型之间的差异。所提方法在计算上易于处理；我们采用基于小批量的高效随机算法，并证明该算法在局部最小化经验矩 -分数。我们在合成和真实世界数据集上进行了数值实验。
引用
@article{arxiv.1902.08440,
title = {Robust Graph Embedding with Noisy Link Weights},
author = {Akifumi Okuno and Hidetoshi Shimodaira},
journal= {arXiv preprint arXiv:1902.08440},
year = {2019}
}
备注
14 pages (with Supplementary Material), 3 figures, AISTATS2019